Pap-smear örneklerınde akışkan dinamiğine dayalı bır segmentasyon yaklaşımı ve görüntü versinin sınıflandırılması

Kanser, günümüzde insanlığın en önemli sağlık sorunlarından birisidir. Kanserin kesin tanısı hastadan alınan doku örneklerinin patologlar tarafından incelenmesi ile konulmaktadır. Yaygın olarak görülen kanser türlerinden birisi de, serviks kanseridir ve teşhisi, Pap-smear testleri aracılığı ile yapılmaktadır. Pap-smear testi, hastadan alınan hücre örneklerinin mikroskop altında patologlar tarafından gözle incelenerek çeşitli anomalilerin aranmasına dayanır. Pap-smear örneklerinde, insan hatasının azaltılabilmesi ve test sürecinin hızlandırılabilmesi amacıyla bilgisayar destekli karar verme ve algılama sistemlerine ihtiyaç duyulmaktadır. Bu çalışmada, dijital ortama aktarılmış Pap-smear örneklerindeki anamolileri belirleyebilen bir bilgisayar destekli analiz sisteminin geliştirilmesi amaçlanmıştır. Hücre çekirdeğinde büyüme ve sitoplazma alanlarında deformasyon gibi bozunmalar kanser varlığına ilişkin çok önemli ipuçları sağlayabilmektedir. Ancak Pap-smear örneklerinin bir çoğunda yaygın olarak görülen üst üste binmeler ve çeşitli gürültüler makinelerin doğru tanı koymalarını zorlaştırmaktadır. Bu nedenle geleneksel morfolojik görüntü işleme yöntemlerine ek olarak yeni bir segmentasyon yöntemi geliştirilmiş ve kullanılmıştır. Önerilen segmentasyon yöntemi, akışkan dinamiğine dayanmaktadır. Hücrelerin yoğun biçimde üst üste bindiği durumlarda bile, modellenen akışkan, sitoplazma alanlarına nüfuz edebilmektedir. Bu sayede gerçekleştirilen bölütleme sonrası, hücre ve çekirdeklerden elde edilen sayısal özellikler sınıflandırılmıştır. Ayrıca çalışmamızda, geleneksel makine öğrenmesi yaklaşımlarından bazıları anormalite tespiti için denenmiş ve karşılaştırılmış, böylece pap-smear örneklerini tanılama becerisine sahip bir sistem ortaya konulmaya çalışılmıştır.